自動駕駛行業的成本效率，除了特斯拉還有人在追隨嗎？

在過去的十年里，自動駕駛的發展經歷有一個非常有趣的地方。在整個行業還沒有真正起色的時候，最先沖在行業前面的，是國內國外一大堆上來就宣稱要落地 L4 的公司。而他們實現 L4 的方式也都殊途同歸，就是一邊進行長期的技術研發，一邊在技術還不夠成熟的時候用最貴、最好、最多的各種傳感器來做好安全冗余。

雖然確實也被一些公司做到了，但背后也帶來了巨大的成本壓力，比如 Waymo 每臺車的自動駕駛硬件改造成本就遠遠超過了車本身，這相當于在試圖用奔馳 S 級做大范圍的網約車推廣，聽起來也并不符合商業邏輯。所以從今天的結果來看，幾乎所有在試運營自動駕駛網約車的公司也都只是在區域試點。

除了一家公司，那就是特斯拉。特斯拉在很早期就有一個非常與眾不同的路線選擇。大部分人熟悉的是馬斯克常說的純視覺路線，但實際上，這背后除了純視覺路線之外，基于極致降本目的選擇自研芯片和極其克制的傳感器方案，才是特斯拉今天能站在頭部位置的核心原因之一。也在前段時間，特斯拉正式推出了 Robotaxi，雖然還沒有真正大規模鋪開，但是已經落地得非常好的 FSD 和成本控制讓所有人都相信規模化只是時間問題。

并且特斯拉也從 2018 年至今都標配了 FSD 的硬件，對于一個最愛「摳成本」的品牌來說，標配很多人并不會用到的 FSD 硬件顯得匪夷所思。但特斯拉這么做的思路也非常簡單，就是一切都為了實現自動駕駛的普及，而降本就是實現規?；钪匾暮诵恼n題之一。

所以，「降本」在今天的自動駕駛行業有什么新的進展嗎？

算力的魔術

艙駕一體方案是一套非常特別的路線，簡單來看，就是這幾年經常提及的跨域融合的其中一個分支，指的就是智能駕駛和智能座艙合并為一個整體，從整車的角度看減少了布置的復雜度。也因為原來車里面需要兩個硬件盒子變成了一個，就像是原來車里裝了兩臺電腦各自分工，現在只需要一臺電腦就能做所有事了，很顯然減少復雜度必然會帶來成本的優化。

目前第一套落地的艙駕一體方案，是來自卓馭最近在極狐 阿爾法T5 上首發的基于高通驍龍 8775 平臺的方案。非常厲害的是，在 8775 這套平臺上，不僅能用上卓馭最新的高悟性端到端模型，還能在這基礎上再同時運行一套座艙系統，這個算力利用率可以說非常厲害了。畢竟大部分品牌還在為了算力不足而發愁， 而 8775 本身就是一個中算力平臺，還被要求同時挑上兩根擔子。

那么這套方案成本控制得有多優秀呢？雖然并不知道具體的數字，但是在一次交流會上卓馭科技副總裁齊貴寶透露，整套方案 bom 成本低于一萬。和其他智駕方案的成本放在一起看可能沒有特別大的亮點，但是如果理解成在這套智駕平臺的基礎上會白送一個座艙的計算平臺，這樣就會更直觀地感受到艙駕一體成本控制的沖擊力了。

極狐 阿爾法T5 的智駕版和非智駕版本相比，雖略有其它配置差異，但是差價也就大約是一萬元，所以成本比這一萬元低是理所當然的。

所以降本是可以直接帶來更低的門檻，車企可以在不增加太多售價的前提下增加更多的配置，而用戶也可以買到更便宜的智駕車型。這樣的邏輯閉環帶來的結果非常直接，那就是規模效應。

當然，除了計算平臺之外，感知硬件部分也依然延續了卓馭自己過去的研發成果。

整套感知硬件采用了 7V3R12U 的布局，比較特別的是，這 7 顆感知攝像頭當中，包含了 4 顆環視攝像頭，相比大多數的 7V 智駕方案，側向感知直接復用環視攝像頭，不僅對系統的整體帶寬需求更低，綜合的成本也自然會更低一些。另外在前向感知上采用了卓馭早已推出的慣導雙目模組，這個慣導雙目通過視差獲取深度信息，可以生成稠密視覺點云，同時運用了雙目增強 OCC 算法，對通用障礙物的檢測會有所優化，在已經量產的成行平臺的多款車型上也已經證明了它的感知性能。

基于這樣的硬件，在這套平臺上能夠實現無圖的端到端城區、高速 NOA 和自動泊車輔助還有跨層記憶泊車等功能，并且在主動安全功能上也都沒有落下。而且除了前面這些之外，同樣是基于這套中算力的 8775 的艙駕一體平臺，之前卓馭就官方劇透過端到端世界模型版本也能夠在后期通過 OTA 升級。

當然，綜合來看除了成本優勢之外，因為前面講到的這些特點，這套方案還會帶來很多其它優勢，比如因為少了一套域控，所以整體功耗會有明顯下降，尤其是在長期泊車的場景下， 哨兵模式的運行不再需要同時激活兩個域控來實現。這個功能在很多現有車型上還是因為能耗帶來的續航焦慮和電費成本勸退了不少用戶，這方面的用戶價值體現得很直接。

再比如，智能座艙本身就有一些功能需要和智能駕駛域相結合。比如車外攝像頭的調用，泊車輔助相關的功能，原來需要兩個域之間通過千兆以太網來通信，現在兩個都域在一塊 SoC 上，那系統延遲就會有非常大幅的降低了。

所以看起來，因為系統的集成化和簡化，帶來的好處就是多維度的。就像一個人本來只是為了減肥，但是因為少吃 + 運動的結合，既節約了食物又提升了個人形象，干活還更有勁兒。

把風險拆開，把性能合上

但是隨之而來的是一個所有人都會擔心的問題，如果兩個系統同時運行在一塊芯片上，那么當車機或者輔助駕駛系統出現問題死機的時候，不就會連帶引發座艙和智駕兩個部分一起出問題嗎？

這個疑慮對于大部分人來說不無道理，確實到今天有一些智能車還會在駕駛過程中出現故障，從客觀角度說也很難保證 100% 不會出問題，但是從技術的角度來看，問題總是有解法的。

就拿很多現有車型來說，單就一個座艙的系統，它的系統結構設計也并不是單一的。比如很多車看起來都運行著高度定制的安卓系統，但實際上為了確保安全性，整個座艙的系統設計也不是圍繞著安卓單一系統運行的，在更底層也有著非常安全的 QNX 系統的配合，來確保即使上層的安卓系統崩潰，也不會在行駛過程中影響底層系統和行車安全。

所以理論上，卓馭這套艙駕一體方案采用類似的系統設計也能夠做到，讓智駕和座艙其中一個部分出問題不會影響另一個模塊。

我從卓馭的資料中找到了關于這套方案的系統架構設計示意圖。從圖上看智能座艙的安卓系統運行在非常上層，并且和智駕是完全獨立的系統，它們下層有著安全性穩定性更高的 QNX 和 AUTOSAR，而上層系統更像是作為虛擬機運行。再加上驍龍 8775 平臺本身就是一個 ASIL-D 標準研發的芯片，這樣看這套方案確實從軟件和硬件上都做到了車規級的安全標準。

那么既然過去一顆芯片只要負責一份工作，現在負責兩份工作之后原來的本職工作會不會有什么不好的影響呢？

我首先想到的是關于座艙這邊會不會有適配問題和算力的牽制。高通在對驍龍 8775 研發階段就向雙域融合的方向進行了整合，而且目前汽車座艙平臺中驍龍車載系列處理器幾乎是唯一解，所以相比之前英偉達提出的基于 Thor 的集中域控，驍龍平臺的普及度不會給這個方案帶來特別大的前期適配工程量。另外卓馭目前雖然并沒有打算跨行去做智能座艙系統，而是選擇半開放合作生態的方式，在研發階段和合作伙伴聯調智能座艙的部分。比如在車機屏幕和儀表的交互界面和應用層，可以由其它合作伙伴來定義。并且可以在前期研發階段在底層調整平臺算力的分配比例，比如在座艙有多屏需求時就可以多分配算力給座艙部分，來根據整車定義來調配座艙和智駕功能的權衡。

另一方面，從今天行業對算力的需求來看，2025 年整個行業都對英偉達的 Thor 芯片投以懷抱，這背后有多個原因，其中一個非常簡單，就是當今的智駕技術路線體現出了對算力的強需求，尤其是 VLA 和世界模型兩條技術路線還沒有完全跑通，在模型架構和模型訓練上共同構成了瓶頸，所以也自然需要更強的算力來支撐階段性的模型性能爬坡。那么驍龍 8775 平臺和 Thor 的算力相比，從紙面上看確實是不太夠看了。

但是就和 DeepSeek 用幾分之一的訓練成本就能追平行業頂尖模型的事一樣，算法和性能優化在行業里本就是一項難并且重要的工作，而模型本身也可以有很多方式實現性能的優化。

前年卓馭推出的基于 7V 感知的中算力方案成行平臺也是如此，在當時僅僅依靠 32 TOPS 的算力就能跑通城市記憶 NOA，今年還在這個 32 TOPS 平臺上推送端到端城市 NOA ，這對于大部分品牌來說是非常困難的。之前卓馭也在他們的公眾號分享過，他們大致是從算法和模型優化、計算加速、系統優化等多個方面著手做的性能優化。

所以這樣看下來的結論，算力其實只是個紙面數據，最終通過軟硬協調全局優化交到用戶手里的，才是真正用戶花錢買到的體驗。

而且從已經透露出來的圖片來看，基于驍龍 8775 平臺來做艙駕一體方案其實也是經過了卓馭前期考察的。

這張圖是卓馭內部對多個平臺進行性能測試后大致得出的結論，其中也包含了卓馭在后期艙駕一體方向上的路線規劃。高算力智駕方案平臺除了之前提過會基于 Thor 做之外，也還會基于驍龍 8797 來做艙駕一體的版本，畢竟后期 VLA 模型中大語言模型的加入還是會增加對算力的需求。

在圖中，8775 平臺的艙駕一體方案大致可以等同于座艙域 120% 的 8155 性能以及智駕域 120% 的 J6M 性能。而基于 8797-A 的方案，甚至可以實現 150% 的 8295 性能再加 100% 的 Thor-U 性能。也就是說，在 8797-A 平臺上，卓馭能夠實現超過目前行業內旗艦車型的性能，并且前面提到的艙駕一體的所有優勢依然能夠體現。

通過這張圖，打消了我前面的很多關于算力的疑慮。也說明艙駕一體方案其實并不單純只有成本優勢，不會只限于低端車型才會搭載，在旗艦車型上同樣也具有競爭力，畢竟也沒有人規定一顆芯片一定打不過兩顆芯片。

最后

其實在了解艙駕一體方向之前，我更多質疑的來源是這個方向結果的不明確，這個行業之前并沒有跑出來過一套落地的方案，很多所謂的優勢都停留在理論層面。但是目前卓馭首發把這個方向落地了，而且還直接落地在了不到 15 萬的車型上，除了那些大大小小的優勢之外，也更加證明了這條路線的成本優勢。

但回到客觀角度，降本其實對于技術發展來說是一個被動發生的必然結果，那么像卓馭這樣的又是怎么更早把這件事做好的呢？

當我往前看過去這幾年卓馭的技術發展之后，答案才逐漸清晰。

在早期大疆車載方案上，就通過雙目視覺實現了優秀的障礙物感知能力，也極大地壓低了成本，再到后來雙目視覺升級到慣導雙目，也就是把 IMU 和雙目視覺做在一個模組上來繼續增加視覺感知的性能。并且在側向感知上，也從當時就一直堅持采用廣角環視鏡頭。當其他智駕方案都在學習特斯拉的傳感器布置方案的時候，當年的大疆車載到今天的卓馭，從 3 年多以前就開始堅持自己的技術路線，這不僅需要非常強的技術前瞻洞察能力，也對軟硬件定義能力提出非常高的要求。

所以智駕行業從硬件到軟件似乎從來都沒有標準答案，有的只是不斷地創新，思考如何把硬件、軟件、模型成本之間，用最適合并且優雅的方式結合在一起。需要持續思考如何在有限的資源下做出極致的系統整合，讓每一份算力、每一顆元件都被充分發揮，這不僅是技術優化的勝利，更是一種工程美學的體現。